SpellOnYou/kor_sarcasm

韩语讽刺检测数据集（Korean Sarcasm Detection）旨在检测文本中的讽刺内容，讽刺可以显著改变句子的原意。该数据集包含了从Twitter收集的9319条推文，每条推文都被标记为讽刺或非讽刺。这些推文是通过查询特定关键词（如역설, 아무말, 운수좋은날, 笑, 뭐래 아닙니다, 그럴리없다, 어그로, irony sarcastic, sarcasm）收集的。数据集经过预处理，移除了关键词标签、URL和用户提及，以保持匿名性。数据集分为训练集和测试集，分别包含9000条和301条推文。该数据集可用于训练模型以检测韩语中的讽刺推文。

原始信息汇总

数据集概述

数据集描述

• 数据集名称: Korean Sarcasm Detection
• 数据集创建者: 专家生成
• 语言: 韩语
• 许可证: MIT
• 多语言性: 单语种
• 数据集大小: 1K<n<10K
• 源数据: 原始数据
• 任务类别: 文本分类

数据集结构

数据实例

一个数据实例包含一条韩语推文和一个标签，指示该推文是否为讽刺。1表示讽刺，0表示非讽刺。

json { "tokens": "[ 수도권 노선 아이템 ] 17 . 신분당선의 #딸기 : 그의 이미지 컬러 혹은 머리 색에서 유래한 아이템이다 . #메트로라이프", "label": 0 }

数据字段

• tokens: 包含推文的文本
• label: 确定文本是否为讽刺（1: 讽刺, 0: 非讽刺）

数据分割

数据分为训练集和测试集，训练集包含9000条推文，测试集包含301条推文。

数据集创建

源数据

数据集通过从Twitter收集HTML数据创建。使用包含讽刺及其变体的标签查询返回推文，并预处理以删除关键字标签、URL和用户提及以保持匿名性。

注释

推文被标记为1表示讽刺，0表示非讽刺。

附加信息

数据集许可证

该数据集在MIT许可证下发布。

引用信息

bibtex @misc{kim2019kocasm, author = {Kim, Jiwon and Cho, Won Ik}, title = {Kocasm: Korean Automatic Sarcasm Detection}, year = {2019}, publisher = {GitHub}, journal = {GitHub repository}, howpublished = {url{https://github.com/SpellOnYou/korean-sarcasm}} }